數智時代，中國計算產業該如何向內要算力？

原文地址：http://news.sciencenet.cn/htmlnews/2023/6/502180.shtm

數智時代，我國算力產業規模有多大？按工業和信息化部最新統計，截至2022年底，我國算力總規模達到180EFlops（百億億次浮點運算/秒），僅次于美國，排名全球第二。

然而，坐擁全球第二大規模的算力，我國計算產業依然面臨著巨大挑戰。特別是當 ChatGPT引爆了人工智能應用對算力新的需求之后。

“當前算力的發展不能滿足神經網絡模型增長（對計算）的需求。”日前，在天津舉行的中國計算產業生態發展高峰論壇上，中國科學院軟件研究所所長趙琛表示，智能物聯時代，算力的實際發展與時代對算力的巨大需求之間存在著巨大差距。尤其在“后摩爾定律時代”，如何補足算力需求，是當前亟需應對的重大命題。

  ?

算力焦慮，時代挑戰

最近，人工智能明星公司OpenAI根據近年來的實際數據進行擬合，發現最先進AI模型的計算量每3.4個月翻一番，約合每年增長10倍——這一數據比“每2年增長一倍”的摩爾定律快得多。

OpenAI稱，按照摩爾定律，從2012年至今，芯片算力只增長了7倍；而在這7年間，人工智能應用對算力的需求增長了30萬倍。

不僅如此，趙琛說，算力的內涵不僅僅指運算，還包括存儲、帶寬、軟件等。他指出，大語言模型GPT從1.0版本到4.0版本，系統對存儲量的需求是指數級的，約合每兩年增長240倍，而實際存儲產品的增速遠不及此；網絡帶寬經過近20年的發展，也只有約30倍的增長。

該如何解決或緩解算力焦慮？

“我們一個觀點是，在后摩爾定律時代，要把算力從軟件、硬件結合起來考慮，提供整個的計算系統性能。”他說：“這需要許多學科的參與，基本上，所有軟件學科都能夠為算力性能提升作出貢獻。”

對此，曙光信息產業股份有限公司總裁歷軍表示，面對日益復雜的應用場景、海量的數據處理和隨之而來安全問題，如何以市場需求為導向進行軟硬協同與技術突破、模式創新與資源整合，正成為產業鏈上下游共同面臨的課題。

 打破壟斷，以迎拐點

作為推開數智化大門的支撐力量，算力的基礎地位不容置疑。然而，面對日益嚴峻的外部環境，中國算力的發展，未來恐怕要更多向自己要答案。

“目前整個計算產業，無論算力端還是存力端，這些年來國外廠商幾乎形成壟斷，行業集中度非常高。”中國科學院微電子研究所副所長曹立強在論壇上表示，國內市場需要國內的計算芯片企業、存儲技術廠商發力，大家一道通過新型舉國體制建設產業生態、完善系統布局，從而打破國外壟斷的局面，迎來國內計算產業拐點。

但這件事情并不那么容易。中國科學院計算技術研究所研究員譚光明談道，國際先進芯片不僅是“市場霸主”，更是“生態霸主”——例如英偉達依靠并行計算架構 CUDA 打造了GPU從部署到應用的護城河，依靠軟硬結合壟斷了應用和用戶。

“國內的芯片生態還處于‘諸侯爭霸’的階段，有點各自為政，沒有考慮太多生態層面的問題，比如軟件、編程框架、模型編輯器等等怎么協同發展。”譚光明認為，國產芯片雖然已有長時期的發展，但還是要認識到，我們在性能上和生態上的巨大的差距和瓶頸——尤其當下硬件行業呈碎片化發展，各類芯片各自為政，若沒有生態支撐，“編程墻”（或稱“程序表達墻”）和“性能墻”的問題將難以逾越。

“怎么樣解決這個問題？能不能大家形成利益共同體解決這個問題？我想這是要考慮的兩個挑戰。”譚光明說。

值得一提的是，高峰論壇上到場芯片企業均表示，愿意參與建立軟硬協同的技術共享平臺，以期“一起打造國內的算力、存儲、網絡等的IT底座，做出更適應中國市場需求的產品”。

開放通用，合作共贏

“開放協作”，是此次高峰論壇上專家學者提及最多的詞匯。

譚光明把國產芯片面臨的問題歸結為“編程墻”和“性能墻”，認為這兩大難題的真正原因，就在于國內沒有統一的生態標準，導致無法以通用的框架和技術解決軟硬件協同優化的問題。

“采用中立可控的開放生態，可以解決‘編程墻’的問題；而要解決‘性能墻’層面的重要工作，是要開發通用的優化技術，把原來需要一對一的定制化優化，變成可以智能化的行為。”譚光明說，現階段，國產芯片無論設計、生產制造，與國外先進水平相比都處于追趕狀態，但在突破這些之前，“唯一的解決方案就是采用軟硬件協同設計的思路去解決問題”。

譚光明舉例說，比如，以深度學習為框架的算力統一接口，就需要一個聯盟——包括處理器廠商、終端設備、用戶在一起討論，怎么定義這樣的接口。

趙琛則以開源芯片指令集RISC-V為例談到，此前軟硬件的協同發展，實際上是軟件跟著硬件的技術路線走；未來隨著應用場景的變化，這一趨勢可能會倒過來。“大的趨勢叫作計算定制——計算體系結構的定制、開源軟件供應鏈針對不同場景的定制等等。”

開放指令集標準一直是缺失的，直到RISC-V的出現。“RISC-V可以一體考慮人工智能的智能計算需求和物聯網算力的需求，并在統一架構上用擴展指令集的方式解決算力不足的問題。”趙琛說，解決算力不足，軟硬協同是非常重要的事情，且軟硬生態的深度融合也會反哺國內芯片產業。